轉自：https://www.sohu.com/a/224866011_505803

CPU和GPU都屬於馮·諾依曼結構，指令譯碼執行，共享記憶體。FPGA之所以比CPU、GPU更快，本質上是因為其無指令，無共享記憶體的體系結構所決定的。

馮氏結構中，由於執行單元可能執行任意指令，就需要有指令儲存器、譯碼器、各種指令的運算器、分支跳轉處理邏輯。而FPGA的每個邏輯單元的功能在重程式設計時就已經確定，不需要指令。

馮氏結構中使用記憶體有兩種作用：①儲存狀態。②執行單元間的通訊。

1）儲存狀態：FPGA中的暫存器和片上記憶體（BRAM）是屬於各自的控制邏輯的，無需不必要的仲裁和快取。

2）通訊需求：FPGA每個邏輯單元與周圍邏輯單元的連線在重程式設計時就已經確定了，並不需要通過共享記憶體來通訊。

計算密集型任務中：

在資料中心，FPGA相比GPU的核心優勢在於延遲。FPGA為什麼比GPU的延遲低很多？本質上是體系結構的區別。FPGA同時擁有流水線並行和資料並行，而GPU幾乎只有資料並行（流水線深度受限）。

處理一個數據包有10個步驟，FPGA可以搭建一個10級流水線，流水線的不同級在處理不同的資料包，每個資料包流經10級之後處理完成。每個處理完成的資料包可以馬上輸出。而GPU的資料並行方法是做10個計算單元，每個計算單元也在處理不同的資料包，但是所有的計算單元必須按照統一的步調，做相同的事情（SIMD）。這就要求10個數據包必須同進同出。當任務是逐個而非成批到達的時候，流水線並行比資料並行可實現更低的延遲。因此對流水式計算的任務，FPGA比GPU天生有延遲方面的優勢。

ASIC在吞吐量、延遲、功耗單個方面都是最優秀的。但是其研發成本高，週期長。FPGA的靈活性可以保護資產。資料中心是租給不同租戶使用的。有的機器上有神經網路加速卡，有的有bing搜尋加速卡，有的有網路虛擬加速卡，任務的排程和運維會很麻煩。使用FPGA可以保持資料中心的同構性。

通訊密集型任務中，FPGA相比GPU、CPU的優勢更大。

①吞吐量：FPGA可以直接接上40Gbps或者100Gbps的網線，以線速處理任意大小的資料包；而CPU則需要網絡卡把資料包接收過來；GPU也可以高效能處理資料包，但GPU沒有網口，同樣需要網絡卡，這樣吞吐量受到網絡卡和（或）者CPU的限制。

②延遲:網絡卡把資料傳給CPU，CPU處理後傳給網絡卡，再加上系統中的時鐘中斷和任務排程增加了延遲的不穩定性。

綜上所述，在資料中心裡 FPGA 的主要優勢是穩定又極低的延遲，適用於流式的計算密集型任務和通訊密集型任務。

FPGA 和 GPU 最大的區別在於體系結構，FPGA 更適合做需要低延遲的流式處理，GPU 更適合做大批量同構資料的處理。

成也蕭何，敗也蕭何。缺少指令同時是 FPGA 的優勢和軟肋。每做一點不同的事情，就要佔用一定的 FPGA 邏輯資源。如果要做的事情複雜、重複性不強，就會佔用大量的邏輯資源，其中的大部分處於閒置狀態。這時就不如用馮·諾依曼結構的處理器。

FPGA 和 CPU 協同工作，區域性性和重複性強的歸 FPGA，複雜的歸 CPU。

免責宣告：本文系網路轉載，版權歸原作者所有。如涉及作品版權問題，請與我們聯絡，我們將根據您提供的版權證明材料確認版權並支付稿酬或者刪除內容。